遥感影像配准方法探讨
遥感图像配准技术与精度评定方法
遥感图像配准技术与精度评定方法引言：遥感图像是通过卫星、飞机等空中平台获取的地球表面的影像数据，它在各个学科领域中有着广泛的应用。
在实际应用中，遥感图像配准技术是一项关键的技术，它能够将多幅图像进行几何校正，以确保它们在同一坐标系下具有一致的几何特征，进而提高遥感影像的解译和分析的准确性。
本文将介绍遥感图像配准技术的原理和方法，并探讨相应的精度评定方法。
一、遥感图像配准技术原理遥感图像配准技术的基本原理是通过提取图像中的特征点，并通过匹配这些特征点来实现图像的几何校正。
根据匹配的原理和方法的不同，遥感图像配准技术可以分为点特征匹配法、区域特征匹配法和基于控制点的配准法等。
1. 点特征匹配法点特征匹配法是基于图像中的离散像素点进行配准的方法。
它通过寻找同一地物的相应像素点，并计算它们之间的几何变换关系来实现图像配准。
这种方法的优点是计算简单，但对于遥感图像中存在复杂地物和纹理的情况，点特征匹配法的效果较差。
2. 区域特征匹配法区域特征匹配法是基于图像中的纹理和结构信息进行配准的方法。
它通过提取图像中的区域特征，并计算它们之间的相似性来实现图像配准。
这种方法的优点是对遥感图像中的复杂地物和纹理有较好的适应性，但计算复杂度较高。
3. 基于控制点的配准法基于控制点的配准法是通过已知位置的控制点来实现图像配准。
它通过提取图像和参考影像中的控制点，并计算它们之间的变换关系来实现图像配准。
这种方法的优点是精度较高，但需要准确的控制点信息。
二、遥感图像配准技术方法遥感图像配准技术的方法多种多样，下面将介绍几种常用的方法。
1. 特征点提取与匹配该方法通过使用特征点检测算法（如SIFT、SURF等）来提取图像中的特征点，再使用特征点匹配算法（如RANSAC等）来进行特征点的匹配，以实现图像的配准。
2. 多尺度配准该方法通过使用金字塔多尺度图像处理方法，将原始图像金字塔进行分解，然后将不同层次的图像进行配准，逐步实现图像的几何校正。
遥感影像纠正的方法与技巧
遥感影像纠正的方法与技巧随着科技的不断发展，遥感技术在各个领域得到了广泛的应用。
遥感影像是通过卫星、飞机等远距离获取地面信息的一种重要手段。
然而，在获取遥感影像后，由于各种原因导致的图像扭曲、色差等问题是不可避免的。
因此，进行遥感影像纠正是必要的。
本文将介绍遥感影像纠正的常用方法与技巧。
一、几何校正方法几何校正是对遥感影像进行坐标、尺度和旋转方位的校正。
常见的几何校正方法有影像配准、地标匹配、插值等。
1. 影像配准影像配准是将待纠正影像与参考影像进行对比，通过匹配相同地物或地点的像素点，从而进行坐标转换。
常用的影像配准方法有基于特征点匹配和基于相位相关匹配两种。
基于特征点匹配的方法是通过提取影像中的特征点，并将其与参考影像中的特征点进行匹配，从而获得坐标转换模型。
OpenCV是一种常用的用于特征点匹配的开源库。
基于相位相关匹配的方法是通过计算两幅影像之间的相关性，确定它们之间的几何转换关系。
这种方法通常用于具有相位重建能力的传感器。
2. 地标匹配地标匹配是通过识别影像中的已知地标（如道路交叉口、建筑物等）并与参考影像中的地标进行匹配来进行校正的一种方法。
这种方法适用于城市建筑等具有明显特征的区域。
3. 插值插值是指通过对图像中间的像素值进行估算，从而使整个图像变得平滑过渡的过程。
常用的插值方法有双线性插值、双三次插值等。
这些方法可以使得图像在进行几何校正后仍保持较好的视觉效果。
二、辐射校正方法辐射校正是指对遥感影像中的亮度进行校正，以保证影像反映地物的真实辐射亮度。
常用的辐射校正方法有直方图匹配、大气校正、辐射转换等。
1. 直方图匹配直方图匹配是指通过将原始图像的灰度值映射到目标图像的灰度值范围来进行校正的方法。
这可以使得影像在亮度上看起来更加准确，同时保证地物的色彩还原度。
2. 大气校正大气校正是指通过估计大气光照对地面目标反射率的影响，将地表反射率从观测影像中恢复出来的一种方法。
这种方法适用于去除由大气散射引起的云、雾等干扰。
测绘技术中的遥感影像配准方法
测绘技术中的遥感影像配准方法引言遥感技术在测绘领域中扮演着重要的角色，它可以通过卫星、飞机等传感器获取地球表面的数据。
然而，由于不同传感器、不同时间获取的数据存在空间和时间上的差异，需要进行影像配准来融合和比较这些数据。
本文将介绍测绘技术中常用的遥感影像配准方法。
一、特征点匹配法特征点匹配法是一种常用的配准方法，也是最直观和简单的方法之一。
该方法基于图像中的特征点，通过将两幅影像中的对应特征点进行匹配，来实现影像的配准。
在这个过程中，可以采用特征描述子来提取特征点的信息，如SIFT（尺度不变特征变换）和SURF（加速稳健特征）等算法。
二、直接法直接法是一种比较常见的配准方法，它通过像素级的匹配来将两幅影像对齐。
这种方法的优点是简单直接，可以在不考虑图像特征的情况下完成配准，但由于像素匹配的计算量较大，所以在处理大尺寸影像时效率较低。
三、控制点法控制点法是一种基于地面控制点的配准方法。
它首先在待配准影像和参考影像中选择具有较好识别度的标志物作为控制点，然后通过测量这些控制点在两幅影像中的坐标，建立空间转换模型，进而实现影像的配准。
这种方法精度较高，适用于对地物变化较大的区域进行配准。
四、基于影像几何校正模型的配准方法利用影像几何校正模型进行配准是一种比较常见的方法，它主要根据空间变换模型进行配准。
常用的几何校正模型有平移、旋转、仿射和投影等。
通过对影像进行几何校正，可以将其与参考影像进行对比和融合，以获得更加准确和具有空间一致性的结果。
五、基于图像配准质量评估的方法在影像配准过程中，如何评估配准结果的质量是一个重要的问题。
一种常用的方法是计算影像配准后的残差误差，该误差越小，表示配准效果越好。
另外，可以利用图像质量评价指标，如峰值信噪比（PSNR）和结构相似性（SSIM）等指标来评估配准结果的质量。
六、配准精度与应用影像配准的精度对于后续的测绘应用具有重要影响。
在地图制图、城市规划、资源调查和环境监测等领域，高精度的影像配准可以提供准确的地理信息，为决策和规划提供支持。
卫星遥感图像处理中的影像配准算法研究
卫星遥感图像处理中的影像配准算法研究卫星遥感图像是一种非常重要的数据来源，广泛应用于地球科学、环境监测、农业、城市规划等领域。
然而，卫星遥感图像常常存在位置偏差和畸变等问题，导致图像不能准确地对应到地球表面的实际位置。
为了解决这个问题，影像配准算法在卫星遥感图像处理中起着关键的作用。
影像配准是将不同影像或同一影像的不同时间阶段的数据，通过计算机算法将它们的位置、角度、尺度等信息进行调整，使它们在空间上达到叠加或相互匹配的过程。
具体而言，卫星遥感图像的影像配准包括两个主要的步骤：特征提取和配准变换。
特征提取是指从图像中提取一些具有区分度的特征点或特征描述子，用于表达图像的局部信息。
常用的特征点包括角点、边缘、斑块等，而特征描述子则是对特征点进行精细描述的向量。
特征提取的目的是通过对图像的关键信息进行提取和量化，来寻找图像之间的匹配关系。
配准变换是指将参考图像和待配准图像通过一系列数学变换关系进行映射，使得图像之间的对应点达到最佳匹配。
常见的配准变换包括刚体变换、相似变换、仿射变换和投影变换等。
刚体变换只能处理旋转和平移，相似变换除了旋转和平移还能处理尺度变化，仿射变换除了相似变换的能力还能处理错切，而投影变换则具有最大的灵活性，可处理各种形状和畸变。
目前，影像配准算法主要包括基于特征的配准算法和基于区域的配准算法两种类型。
基于特征的配准算法通过提取图像中的特征点，并利用这些特征点之间的几何约束关系来进行匹配。
常用的算法有SIFT（尺度不变特征变换）、SURF（加速稳健特征）和ORB（方向旋转二进制）等。
这些算法具有较好的抗噪声能力和尺度不变性，可以在不同尺度、旋转和光照条件下进行配准。
而基于区域的配准算法则主要通过对整个图像块进行匹配，常用的算法有基于相似性的匹配、基于互信息的匹配和基于小波变换的匹配等。
近年来，随着深度学习技术的发展，基于深度学习的影像配准算法也逐渐受到广泛关注。
深度学习模型可以通过大量的图像数据进行训练，自动学习特征表达和配准变换模型，从而提高配准的准确性和鲁棒性。
测绘技术中的遥感影像匹配与配准方法
测绘技术中的遥感影像匹配与配准方法遥感影像匹配与配准方法是测绘技术中的重要研究内容。
遥感影像匹配是指将不同时间或不同传感器获取的遥感影像进行比对，找出它们之间的相似性和差异性。
而遥感影像配准则是将不同时间或不同传感器获取的遥感影像进行几何校正，使它们在空间上具有一致的坐标和尺度。
在测绘应用中，遥感影像匹配与配准是非常关键的。
首先，它们能够帮助提取地表特征和地物信息。
通过匹配不同时间的遥感影像，我们可以观测到地表的变化情况，例如城市的扩张、农田的变化等。
通过配准不同传感器获取的遥感影像，我们可以获得一致的地物几何信息，从而进行更精确的测量和分析。
其次，遥感影像匹配与配准还可以用于制作地图和更新地理信息数据库。
通过将不同时间或不同传感器获取的遥感影像进行匹配和配准，可以实现地图的更新和变化监测，为城市规划、土地管理等提供决策支持。
遥感影像匹配与配准的方法有很多种。
其中，基于特征点的方法是最常用的一种。
该方法通过提取影像中的特征点，比如角点、边缘等，然后利用特征点之间的相互关系进行匹配和配准。
这种方法具有计算速度快、适用范围广的特点，但对于存在大量相似的地物和复杂的地形条件，其匹配结果可能存在误差。
为了解决这个问题，研究人员还提出了基于区域的匹配与配准方法。
该方法首先将影像划分为若干个区域，然后对每个区域进行特征提取和匹配，最后将各个区域的匹配结果进行整合。
这种方法能够更好地处理影像中存在的局部匹配问题，但对于区域划分和整合过程的准确性要求较高。
除了基于特征点和区域的方法外，还有一些其他的遥感影像匹配与配准方法。
例如，基于模型的方法利用地物的几何特征和变换模型进行匹配和配准。
这种方法适用于具有明显几何特征的地物，如建筑物、道路等。
另一种方法是基于图像配准校正点的方法，该方法通过选取几个具有已知准确坐标的地物作为控制点，利用它们在遥感影像中的位置信息进行匹配和配准。
这种方法能够提高配准的精度，但需要事先获取控制点的准确坐标。
遥感影像配准技术及应用研究
遥感影像配准技术及应用研究遥感技术是现代化社会的产物，它以卫星遥感和航空遥感为主要手段，以在海、陆、空中相机等数码影像获取设备为载体，利用成像分辨率优异和快速获取数据的特点，实现短时间内大面积地图制作和数据采集的效果。
而遥感影像配准技术的应用则在众多研究领域中具有广泛的应用，如城市规划、农业、环境监测等领域，无疑是未来发展的重要方向。
遥感影像配准技术的概念所谓遥感影像配准技术，简单来说就是将两幅及以上的遥感图像进行位置和方位决策，从而使它们能够在同一个几何坐标系下进行比较、对照和计算，以获取更精确更全面的信息。
它的主要目的是为了将多个遥感图像融合到一起，形成高分辨率、高时效性、高精度度数值地图或时间序列地图。
遥感影像配准技术的分类根据分类方法的不同，遥感影像配准技术可以分为以下几种：1.点对点配准技术：这是最早的遥感影像配准方法，它利用人工地识别待配准遥感图像和已知参考图像中具有对应关系的某些物点和地标物，求出两图像中对应相同点的变换之间的数学传递函数，并将待配准图像变换至与标准图像相同的地理坐标系下，以实现两幅图像对比和分析。
2.特征点匹配配准技术：特征点匹配配准技术是一种自动匹配待配准图像和已知参考图像中的特征点，建立两幅图像之间的几何变换关系的方法。
该技术在配准速度、自动性和通用性方面有很大的优势。
它适用于图像中含有特殊标志物、建筑物等的区域。
3.基于互信息的配准技术：基于互信息的配准技术是一种权衡速度和精度的取舍，通过比较待配准和标准图像中像素值的相似度、互异性和相关性等统计指标，来计算两幅图像之间的相似度，实现图片配准。
遥感影像配准技术的应用遥感影像配准技术在很多领域都有着广泛的应用，下面将介绍一些最为典型的应用场景。
1.城市规划：随着城市化进程的加速，城市规划和管理变得越来越复杂。
高分辨率遥感影像指导了城市空间结构的分析和控制，对于合理规划和管理城市起到了至关重要的作用。
在城市规划中，通常需要对不同时间或不同数据源的遥感影像进行配准，以实现城市空间态势的比较和分析。
测绘技术遥感影像纠正与配准技巧分享
测绘技术遥感影像纠正与配准技巧分享遥感技术是现代测绘技术中的一种重要工具，通过对卫星遥感影像的获取和处理，可以获取大范围地理信息并实现地理空间数据的管理和分析。
然而，由于卫星影像的获取和传输过程中存在一定的误差，因此需要对遥感影像进行纠正和配准，以确保数据的精准性和可靠性。
本文将分享一些测绘技术中遥感影像纠正与配准的技巧。
一、影像纠正1. 几何纠正几何纠正是将卫星遥感影像从柱面投影坐标系转换为地理坐标系的过程。
首先，需要获取影像的几何参数，如相机焦距、主点位置等，然后根据这些参数将像素坐标转换为地理坐标。
在此基础上，通过地面控制点进行准确的坐标匹配，使用大地坐标系统进行纠正。
2. 外方位元素校正外方位元素是指相机在拍摄过程中的位置和姿态参数。
在影像纠正中，常常需要对拍摄过程中的外方位元素进行调整，以使影像与地面真实位置相匹配。
通过大地控制点的坐标和像点的坐标，可以利用模拟光束法或改正模型的方法来进行外方位元素的校正。
3. 大气校正大气校正是遥感影像处理中的一项重要步骤，它可以消除大气因素对遥感影像的影响。
大气校正主要包括大气透过率的估计和辐射校正两个过程。
估计大气透过率可以根据遥感影像中的地物特征和大气辐射模型来实现，而辐射校正则利用大气透过率和传感器观测到的辐射数据进行修正，以获得地表高反射率的真实值。
二、影像配准影像配准是将多幅遥感影像或遥感影像与地理参考数据进行准确匹配的过程。
配准可以分为影像内部配准和影像间配准两种类型。
1. 影像内部配准影像内部配准是同一幅影像内不同波段或不同时间的影像之间匹配的过程。
在影像内部配准中，可以利用影像的边缘特征、共线特征或地物特征进行匹配。
通过使用影像内部的控制点，可以进行精确的配准操作。
2. 影像间配准影像间配准是不同波段或不同时间的遥感影像之间进行匹配的过程。
在影像间配准中，可以利用多幅影像中共有的地物特征或地理控制点进行匹配。
通过精确的坐标转换和仿射变换，可以实现不同影像之间的准确匹配。
遥感影像处理中的图像配准技术研究
遥感影像处理中的图像配准技术研究遥感影像作为一种远程获取地球表面信息的手段，已经广泛应用于农业、林业、城市规划、地质勘探等领域。
在遥感影像处理中，图像配准技术是非常重要的一步，它可以将不同时间、不同角度、不同分辨率、不同传感器获取的遥感影像精确地拼接起来，为后续的数据分析和信息提取提供准确的基础。
图像配准技术的基本概念图像配准是指将不同图像空间中的图像通过一系列变换，使得它们在相同的空间坐标系中具有相似的几何特征和像素值。
图像配准技术可以分为点匹配和区域匹配两大类。
点匹配是指在两幅图像中找出对应的特征点，通过计算这些特征点的坐标变换关系来进行图像配准。
常用的特征点匹配方法有SIFT、SURF和ORB等。
这些方法利用图像中的局部不变性特征点，在不同的图像中寻找出携带相同信息的点，然后通过点匹配对图像进行配准。
区域匹配是指在两幅图像中找出特征区域，以此来进行配准。
常用的区域匹配方法有基于互相关的方法和基于相位相关的方法。
其中基于互相关的方法是最简单的区域匹配方法，它利用图像中的像素值相似度进行匹配，并通过计算变换矩阵把两幅图像对齐。
基于相位相关的方法则是通过将图像转换到频域进行滤波、反变换等处理，从而实现图像配准。
图像配准技术在遥感影像处理中的应用在遥感影像处理中，图像配准技术是非常重要的一步。
由于遥感影像分辨率不同，光学成像区域不同等因素的影响，所获取的遥感影像之间存在较大的差异，必须经过配准才能拼接成一幅完整的图像。
同时，配准后的遥感影像还需要通过遥感影像处理技术来进行分析和提取信息。
图像配准技术在遥感影像处理中的应用广泛，其中最为常见的是农业、林业和城市规划等领域的应用。
在农业领域中，图像配准技术可用于对不同时间或不同角度获得的遥感影像进行配准，从而得出关于植物的生长状态、地面覆盖率等信息。
在林业领域中，图像配准技术可用于不同时间、不同季节甚至不同年份获得的遥感影像进行比较，从而了解森林变化、伐木状况等情况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
科技信息2010年第7期SCIENCE&TECHNOLOGY INFORMATION遥感是目前为止能够提供全球范围的动态对地观测数据的惟一手段,其成像模式多种多样。
多源传感器影像的数据融合,可以产生出比单一信息源更精确、更完整、更可靠的影像信息。
在融合这些多源遥感影像数据时,必须先进行影像配准，经过适当配准的多传感器图像可以在像素级直接融合形成融合图像，然后在此基础上完成目标探测、特征提取和目标识别等处理。
图像配准广泛应用于航空航天技术、地理信息系统、图像镶嵌、图像融合、目标识别、虚拟现实等领域。
1图像配准的基本概念图像配准是指同一目标的两幅（或者两幅以上）图像在空间位置上的对准，图像配准的技术过程称为图像匹配。
影像匹配实质上是在两幅(或多幅)影像之间识别同名点,是计算机视觉及遥感数字图像制图的核心问题[1]。
对影像匹配可作如下数学描述[2]:若影像I1与I2中的像点O1与O2具有坐标P1=(x1,y1)、P2=(x2,y2)及特征属性f1与f2，即O1=(P1,f1)、O2=(P2,f2)。
其中f1与f2可以是P1与P2为中心的小影像窗口的灰度矩阵g1与g2,也可以是其他能够描述O1与O2的特征。
基于f1与f2定义某种测度m(f1,f2)。
所谓影像匹配就是建立一个映射函数M满足：P2=M(P1,T)、M(f1,f2)=max或min(O1∈I1,O2∈I2)。
其中T为描述映射M的参数矢量,测度m表示O1与O2的匹配程度,称为匹配测度。
基于不同的理论或不同的思想可以定义各种不同的匹配测度,因而形成了各种影像匹配方法及相应的实现算法。
2图像匹配的一般算法2.1基于图像灰度的匹配方法基于图像灰度的匹配方法的基本思想是：首先对待匹配图像做几何变换；然后根据灰度信息的统计特性定义一个目标函数，作为参考图像与变换图像之间的相似性度量，使得匹配参数在目标函数的极值处取得，并以此为匹配的判决准则和匹配参数最优化的目标函数，从而将匹配问题转化为多元函数的极值问题；最后通过一定的最优化方法求得正确的几何变换参数。
在两幅图像灰度信息相似的情况下，常用的匹配方法有：互相关匹配方法，投影匹配方法，基于傅立叶变换的相位匹配方法和图像矩匹配方法。
2.2基于图像特征的配准基于图像特征的匹配方法就是利用图像的内部特征进行匹配。
根据所提取的图像特征的不同，特征提取算子可分为点特征提取算子(如MORAVEC算子，FORSTNER算子)、线特征提取算子(如Log算子，hough变换算子)和区域特征提取算子（主要是区域分割)[3]。
基于图像特征的配准方法在实际应用中越来越广泛。
图像的特征只考虑图像的局部信息，较大地减少了匹配过程的计算量，从而提高了配准的速度；同时，特征点的匹配度量值对位置的变化比较敏感，可以提高匹配的精确度。
但是该方法只依赖于所提取的图像特征，所以对于图像的细微情节不太敏感。
2.3最小二乘影像匹配最小二乘影像匹配方法充分利用了影像窗口内的信息进行平差计算，使影像匹配可以达到子像素等级，因此，最小二乘影像匹配被称为“高精度影像匹配”[4]。
影像匹配中判断影像匹配的度量很多，其中最常见的一种是灰度差的平方和最小。
若将灰度差记为余差v，则有表达式：Σvv=min v=g1（x，y）-g2（x，y）这就是一般的按原则Σvv=min进行影像匹配的数字模型。
最小二乘匹配是以“相关系数最大”作为影像匹配搜索同名点的准则，其实质就是搜索“信噪比为最大”的灰度序列。
其残余灰度差的平方和计算公式：Σvv=Σg21-（g1g2）2Σg22相关系数的计算公式:ρ2＝（Σg1g2）2Σg21Σg22影像匹配算法采用目标区相对于搜索区不断地移动一个整像素，在移动的过程中，计算相关系数，搜索最大相关系数的影像区作为同名像点。
其搜索过程可以用以下式子予以表示:maxΣρ（x芄i·△，y芄j·△）}其中一k荞i荞k;-l荞j荞l k;l为正整数，△为数字影像的采样间隔。
3图像配准的新方法3.1频域匹配算法频域匹配算法就是把在空域中的数据通过时频变换，变换为频域的数据，然后通过一定的相似性度量来确定两幅图像之间匹配参数的办法。
最常用的时空变换是Fourier变换，最常用的相似性度量是相位相关度量。
在诸多现有匹配算法中，频域匹配技术得到了广泛的应用，采用的是空域、频域复合配准的方法。
该方法先用空域相关法求取粗匹配点的候选点，再利用频域相关对图像旋转敏感的特性，根据傅立叶变换的平移不变性，当两幅图像存在位移和旋转变化时。
两者的频谱只反映了它们的旋转差别。
这样，将其中一幅图像的频谱相对其中心旋转角后再与另一幅图像的频谱相减，差别之和为D(θ)的，而D值最小时所对应的θ角即为要校正的旋转角。
与许多空域算法相比，频域算法有如下一些显著的特点：首先频域方法对全局的照度变化不敏感；其次，这种算法可解决两幅图像之间存在平移，旋转和尺度的匹配问题，如果有必要还可得到子像素的匹配精度。
因此，这类算法正好满足我们的匹配任务：（下转第406页）遥感影像配准方法探讨杨先武1，2李彩露1韦春桃1(1.桂林理工大学土木与建筑工程学院广西桂林541004；2.信阳师范学院城市与环境科学学院河南信阳464002）【摘要】影像匹配是指从数字影像上识别相关影像，它是计算机视觉和数字摄影测量中的一个基本问题。
遥感影像的配准技术直接关系到图像融合等地形分析的精度和效果，针对不同的应用目的和条件可以选择不同的匹配算法，本文在三种经典的配准方法的基础上提出了两种图像配准的新方法。
【关键词】图像配准；影像相关；最小二乘；特征提取The Registration Way of Remote Sensing Image【Abstract】Images matching is used to identify the related images from the digital image.It is a basic issue in computer vision and digital photogrammetry.The techniques of Remote sensing image registration has directly relation to the accuracy and effectiveness of the image integration and analysis of the terrain,etc.Applications for different purposes and conditions can choose different matching algorithms,this paper,three kinds of quasi-classical method of distribution based on the two kinds of image registration of the new methods.【Key words】I mage matching;I mage correlation;L east Squares Image Matching;F eatures extraction○本刊重稿○397科技信息SCIENCE &TECHNOLOGY INFORMATION2010年第7期该培养什么样的人才呢，未来的社会发展需要哪些类型的人才呢?在市场经济运行的环境下，不考虑市场需要的人才培养注定是失败的。
所以，研究生培养考核应依据所处环境的变化而采取相应的变化，相应的研究生考核评价机制也应该随之变化。
就中国当前的形势来看，研究型人才的培养与考核不应再固守着传统的学年制模式，而是应该采取学分制，特别在硕士生培养过程中，应建立相对灵活的毕业制度，而不是再一味地强调2年或者3年的学习期限。
3．2强调差异性和综合性当前我国研究生培养模式基本是英美模式，强调先修学分再从事科研论文工作，而且这种考核适应于所有的专业和所有的学生。
而这种固化的考核方式却不利于个性化人才的培养和涌现。
对于部分科研能力强、专业基础扎实的学生，应该允许他们直接参与到导师的课题研究，将更多的时间投入到科研工作中，以科研成果来抵补其学分，并在科研成果得到认可后允许其提前攻读博士学位或者毕业。
对于那些跨专业学习的学生，则要强调课程系统学习的重要性，从而使其在进入科研环节前获得扎实的理论基础，以期实现有差别的研究生考核。
同时，考虑考核综合性原则，在课程设置上突出跨学科性和综合性，不应将专业学习仅仅局限在一个单一的专业领域，甚至一个单一的研究方向。
因为未来的人才是需要面对更为复杂的竞争环境，需要拥有更高的复合型综合素质。
3．3强调核心性和制约性研究生培养质量的高低最终取决于导师的作用。
因为自研究生进入到学习阶段后，与其接触较多并且直接指导其学习和科研工作的是其导师或导师小组。
因而，自招生考核这一环节起，导师就应拥有相对大的决定权。
当前我国推行的是入学考试，而且具有很大程度的全国统一性。
在这种招生环境下，易于导致不少有专业特长但不擅长考试的学生被关在门外，而应试能力强、科研能力弱的学生却成为了研究生队伍中的主力。
面对着一群高分但却没有动手能力或者创新思维能力的学生，即使是再有能力的导师，也将面对“巧妇难为无米之炊”的难堪。
所以，最好将学生录取考核的决定权交给导师本人，而研究生能否毕业则由独立的学术委员会来决定，这样，便会形成一个对导师的制约机制，使其在选择学生时必须考虑学生的实际能力。
3．4强调分权制和协调作用。
依据美国培养模式，对于已经拥有研究生培养权力的高校应该建立研究生院，其与其它院系之间的关系是平等的，并强调分权制，研究生真正的管理权应由各院系进行承担。
研究生院的作用就是在于宏观方面的管理考核，即通过制定和执行研究生的管理政策，更好地推动研究生教育的发展，同时监督与防止可能出现的弊端，达到控制数量提高质量的目的。
同时，研究生院在促成有关院、系建立跨学科的新专业或开设研究新项目方面等应起中介作用。
建立起职责明确的研究生管理机构，使其基层其它院系形成分权制管理模式。
不要是将管理考核等系列事务归于自身，使自身成为权力中心，而使其它院系则成为承担研究生教学的单位。
这样的模式不利于研究生与各院系的真正意义上的管理考核。
【参考文献】［1］康建军.我国研究生扩招对培养质量的影响及对策研究[J].理工高教研究，2007,26(5):59-61.［2］张茹琴.影响我国研究生培养质量的因素及思考[J].科技信息,2009,5:121-124,84.［3］潘武玲.美国研究生教育质量自我评价制度及启示[J].教师教育研究,2004,16(2):77-80．［4］陈少雄,王静一,尹柳银.美、英、德、日四国研究生教育特色研究[J].佛山科学技术学院学报：社会科学版,2004,22(3):89-93.［5］王炜,徐小强.法国博士研究生的培养与质量保障[J].高教发展与评估,2007,23(5):44-50.［6］张记龙,李飞跃.中美国研究生培养质量保障措施比较研究[J].中北大学学报：社会科学版，2007,23(2):79-84.作者简介：于金霞（1974—），女，副教授，博士，研究方向为人工智能。